使用相同 glm 的 glm 预测和 geom_smooth() 之间的差异

我正在尝试使用概率模型重现其他人的工作。不幸的是，我没有太多关于他们的方法的信息，只有他们的起始数据和模型图。

当我在 ggplot 中绘制数据并使用拟合线时geom_smooth(method = "glm", ...)，我能够重现以前的工作。然而，当我尝试使用（我认为是）在 ggplot 之外拟合一个相同的模型时glm()，我得到不同的预测。我觉得我犯了一些愚蠢的错误，但我不能完全确定。

这是一个可重现的示例：

library(tidyverse)
set.seed(123)

df <- tibble(x = c(0.006, 0.014, 0.025, 0.05, 0.15, 0.3, 0.5),
             y = c(0.4,   0.733, 0.875, 1,    1,    1,   1))


probit_model <- glm(y ~ x, data = df, family = quasibinomial(link = "probit"))

df <- df %>%
  add_row(x = 0.001, y = NA) %>%  # To underline that these models are different
  mutate(y_pred = predict(probit_model, newdata = ., type = "response"))


df %>%
  ggplot(aes(x, y)) +
  geom_point(size = 4) +
  geom_line(aes(y = y_pred), color = "red", lwd = 1) +
  geom_smooth(formula = y ~ x, color = "blue",
              method = "glm", fullrange = TRUE,
              method.args = list(family = quasibinomial(link = "probit"))) +
  scale_x_log10(limits = c(0.001, 1))

这是它产生的情节。请注意，蓝线和红线描述了不同的拟合。我相信他们should是相同的（忽略红线的分段性质），因为它们使用相同的模型和数据。

我在故障排除过程中阅读了相当多的帖子，许多回复表明geom_smooth()不能替代建模。总的来说，我同意。也就是说，我明确地试图弄清楚什么geom_smooth()在这里做，然后在 ggplot 之外重现它。

我的问题是：

为什么这两个模型不同？怎么geom_smooth()呼叫glm()？我怎样才能打电话glm()我自己重现模型geom_smooth()正在使用？

模型实际上是相同的。如果您设置，例如，您可以看到这一点，xlim(0, 0.1)并删除scale_x_log10。然后你会看到拟合一致。

我认为你所看到的行为是因为scale_x_log10执行轴变换before任何统计摘要（例如geom_smooth）。所以，当你跑步时scale_x_log10, geom_smooth有效地拟合模型y ~ log10(x)， 而不是y ~ x。如果你使用coord_trans(x="log10")代替scale_x_log10，您还会看到模型是一致的，因为coord_trans进行转变after任何统计摘要。